人工智能不仅仅与算法有关。一些人认为，接受训练的数据比模型本身更重要，这也是IDC预测到2020年将创造超过44个zettabyte数字数据的原因之一。值得庆幸的是，大数据的兴起有与云存储价格的持续下降相吻合，部分原因在于更便宜的媒体成本，更好的管理工具以及对象存储的创新。

但并非所有云存储提供商都是平等的。有些人缺乏快速有效地整理，处理和传输AI模型数据所需的细粒度管理工具。并非所有企业都拥有针对数据科学工作流程优化的存储堆栈。

Nvidia和数据存储公司NetApp今天联合宣布一个解决方案：Ontap AI，他们称之为“经过AI验证的架构。”由Nvidia的DGX超级计算机和NetApp的AFF A800云连接闪存存储器提供支持，它旨在帮助NetApp。高级副总裁Octavian Tanase表示，企业通过提供前所未有的访问和性能，实现了“从边缘到核心到云”的数据控制。

“我们对数据管道的独特愿景提供部署的简单性，人们希望从小规模开始并逐渐成长。最终，我们希望客户能够跨越边缘管理数据......关联数据集，构建大型数据湖，并且最终做出更快的决策并做出更好的数据决策。”

将此解决方案结合在一起的连接组织是NetApp的Data Fabric，这是一种SaaS和内部部署解决方案，可统一云中的数据源，特别是数据中心中的云，来自服务提供商的公共云产品以及混合私有或公共云，无论数据的格式或物理位置如何，都能快速访问数据。

Ontap AI的核心是Nvidia的DGX-1，这是一款专为深度学习而优化的AI超级计算机。DGX-1采用NVIDIA NVLink，采用混合立方体网格拓扑配置高达256B的GPU RAM和8个Tesla V100s Tensor Core GPU。Nvidia称，单个DGX-1可提供1 petaflop的计算能力，相当于800多个CPU。

同时，NetApp上述的AFF A800具有同样令人印象深刻的性能：在24节点集群中，低于200微秒的延迟和高达300GB/s的吞吐量。

“在AI领域，数据集成至关重要，”Nvidia副总裁兼总经理Jim McHugh在接受采访时表示。“GPU AI培训真正需要的是与传统应用程序完全不同的。我们的目标是让数据科学家尽可能轻松，并为建设基础设施的人们尽可能轻松。“

Ontap AI的第一批从业者之一是Cambridge Consultants，一家总部位于英国的工程咨询公司。它将Ontap AI应用于垂直医疗保健领域，利用该技术构建评估药物治疗及其对患者预后的影响的系统。它还使用Ontap AI来创建Vincent，这是一个深度学习程序，旨在学习如何像人类一样绘画。

其他Ontap AI发布合作伙伴包括IAS，Groupware Technology，ePlus和WWT。

“开发颠覆性人工智能技术并将其转化为客户的突破性产品和服务是我们工作的许多市场的重要要求，”剑桥咨询公司人工智能主管Monty Barlow表示。“它简化并加速了深度学习的数据管道。”

Nvidia强大的硬件平台对于NetApp来说是一个巨大的收获，该公司在其2018财年的5月净收入为59亿美元。它也是唯一一家与三大公共云提供商合作的存储厂商。